GitHub 热门项目：BIRD-CRITIC-1

GitHub 项目：BIRD-CRITIC-1 仓库地址：https://github.com/bird-bench/BIRD-CRITIC-1 星级：1095 | 作者：鸟凳 项目描述：[NeurIPS 2025 Main] SWE-SQL：阐明解决实际应用中用户 SQL 问题的 LLM 路径 =================================================== 自述文件内容： # BIRD-CRITIC 1.0 (SQL)

## 新闻 - ? **[2026-03-24]** 我们发布了**BIRD-Critic GT 和测试用例自动回复系统**，支持通过电子邮件请求自动发送完整数据集（包括 sol_sql 和 test_cases）到?bird.bench25@gmail.com，主题标签为[bird-critic-1 GT&Test Cases]。 - ? **[2026-03-23]** 我们发布了 [**BIRD-Critic-SQLite**](https://huggingface.co/datasets/birdsql/bird-critic-1.0-sqlite)，这是一个包含 500 个高质量用户问题的数据集，专注于现实世界的 SQLite 数据库应用程序。 - ? **[2026-01-08]** 我们最近更新了评估代码（特别是 `remove_distinct` 函数）。请从我们的 GitHub 存储库中提取最新代码。 - ? **[2025-07-09]** 我们在我们的[**网站**](https://bird-critic.github.io/)上发布了人类表现得分！所有三个排行榜上显示的分数反映了人类评估者（数据库专家），他们被允许使用标准工具（数据库教科书、官方文档或 IDE），但不能使用人工智能助手。当具有相同专业知识的另一个小组被允许使用 AI 工具（ChatGPT、Claude 或 Gemini）时，Open 上的性能提高到 **83.33**，PG 上的 **87.90** 和 Flash 上的 **90.00**，展示了人机协作在解决 SQL 问题方面的巨大潜力。 - ? **[2025-06-28]** 我们在 arxiv 上发布了我们的论文 [**SWE-SQL** (a.k.a BIRD-CRITIC)](https://arxiv.org/abs/2506.18951)。 - ? **[2025-06-09]** 我们发布了 [**bird-interact-lite**](https://huggingface.co/datasets/birdsql/bird-interact-lite)，具有多轮对话和代理交互功能，适用于现实世界中模糊且具有挑战性的文本到 SQL 任务。 - ? **[2025-06-08]** 我们发布了 [**bird-critic-1.0-postgr